教育科技研究速報

本研究利用嵌入式基準測試框架，揭示了教育大模型在提供回饋時存在的性別偏見，即使在最先進的模型中也存在非對稱的語義回應。

本研究揭示了自動化毒性模型在評估非標準英語（如非裔美國英語）時存在的系統性偏誤，並提供互動式工具提升AI素養。

本研究透過協同設計，探討群眾外包負責任AI內容工作中的風險揭露機制，旨在平衡工作者保護、任務設計者需求與平台責任。

本研究發現，標記為 AI 輔助撰寫的訊息，會減弱人們對發件人道德特質的判斷強度，而非直接產生負面印象。

本研究提出一個能抵抗車內鏡頭位置變化的駕駛行為監控網路(DBMNet)，透過特徵分離與對比學習提升駕駛人分心偵測的準確性與泛化能力。

本研究提出一個嶄新的專案管理框架，利用生成式 AI 技術填補學術與研究團隊中人格特質與角色的空缺，以提升團隊多樣性。

本研究探討學生在程式設計問題中，對 AI 助理的信任如何影響其適當的依賴程度，並考察 AI 素養與認知需求在其中的調節作用。

本研究探討推薦系統中普遍存在的流行度偏差問題，並提出一種基於激活向量調整的解決方案，以提升推薦結果與使用者流行度偏好的對齊程度。

本研究挑戰了 AI 協作談判對所有使用者都同樣有效的假設，發現人格特質會影響談判結果。

本研究探討了在決策過程中，社會過度依賴單一演算法建議（演算法單一文化）所導致的社會福利損失，並量化了這種無效率的程度。

本文探討大型語言模型（LLM）如何透過情境理解、政策解讀等能力，強化線上濫用偵測系統的各個階段，並分析其挑戰與未來發展。

本研究擴展了 Acemoglu-Restrepo 任務暴露框架，探討具代理性 AI 對勞動市場的影響，揭示其超越傳統自動化的職業位移風險。